2018-03-04، 03:32
سیستم تشخیص چهره با چه شبکه ای کار می کند
انسان ها با استفاده از عقلی که خداوند به آنها عطا کرده می توانند به راحتی اجسام را تشخیص دهند و نیازی به مطالعه ندارند اما این کار برای کامپیوترها مشکل بسیار بزرگی است زیرا نمی توانند انسان را از اجسام تشخیص دهند و برای حل کردن این مشکل نیازمند به هزینه های بسیار زیادی است .
دستگاه کنترل تردد اثرانگشتی
انسان ها با استفاده از عقلی که خداوند به آنها عطا کرده می توانند به راحتی اجسام را تشخیص دهند و نیازی به مطالعه ندارند اما این کار برای کامپیوترها مشکل بسیار بزرگی است زیرا نمی توانند انسان را از اجسام تشخیص دهند و برای حل کردن این مشکل نیازمند به هزینه های بسیار زیادی است .
دستگاه کنترل تردد اثرانگشتی
امروز فناوری تشخیص چهره توسط کامپیوتر ها یکی از نیازهای بسیار مهم است . امروزه با پیشرفت تکنولوژی بسیاری از مشکلات حل شده است مثلا : خودرو های بدون راننده ، نرم افزار های تشخیص چهره ، کارخانه های هوشمند که قادر اند وجود خطا و اشتباه را در خط تولید تشخیص دهند و ....
امروزه برای استخدام متخصصی که بتواند عکس هزاران کاربر در شبکه اجتماعی فیلتر کند غیر ممکن و هزینه بر است برای حل این مشکل می بایست از شبکه های عصبی استفاده کرد البته به نظرازنظر تئوری امکان استفاده از شبکه های نورونی برای تحلیل تصاویر وجود دارد اما از لحاظ عملی دارای هزینه ی بسیار بالایی است . مثلا : برای تحلیل یک تصویر کوچک 50*50 پیکسل نیاز به 900 داده ورودی و بیش از نیم میلیون پارامتر است این عمل را می توان توسط ماشین های محاسباتی انجام داد اما اگر تصاویر بزرگ تر را تحلیل کنید تعداد ورودی و پارامتر بالاتر می رود و دیگر نمی توان این عمل را انجام داد زیرا غیر قابل شمارش است .
راه حل : با تغییرایتی بر روی شبکه های عصبی می توان تصاویر بزرگتر را پردازش کرد به این شبکه های عصبی تغییر یافته شبکه های عصبی پیچیده CNNS گفته می شود . یکی از مزایای شبکه های عصبی استفاده آنها در مصارف مختلف است اما استفاده از آنها در تحلیل تصاویر دشوار است اما اگر از شبکه های CNNS استفاده شود به راحتی می توان پردازش تصاویر را انجام داد .
یکی از مزایای CNNS تشخیص دو پیکسل مجاور به عنوان دو پیکسل مرتبط است و برای تحلیل پیکسل های مجاور از یک سلول عصبی استفاده می کند . اما در شبکه های عصبی معمولی برای تحلیل هر پیکسل از یک سلول عصبی استفاده می شود که همین باعث افزایش تعداد نورون ها ی عصبی برای پردازش تصویر می شود . با افزایش تعداد نورون های عصبی بار محاسباتی افزایش می یابد و در نتیجه دقت در محاسبات کاهش می یابد .
در شبکه های عصبی پیچیده هر نورون مسئول یک دسته پیکسل است پس یعنی هر نورون وظیفه دارد که مسئولیت بخشی از تصویر را به عهده بگیرد جالب است بدانید که این نورون ها شباهت بسیار زیادی به ساختار عصبی نورون های مغز دارد که در آن هر سلول عصبی مسئولیت پاسخگویی به بخش خاصی از بدن را بر عهده دارد .
نرم افزار حضور و غیاب دانلود